مدل کاربری اراضی روستایی
کادر ۹-۳ مدل کاربری اراضی روستایی مبتنی بر عامل نیوزلند |
مطالعه موردی |
| ARLUNZ مدل مبتنی بر عامل است که توسط Landcare Research ، نیوزلند برای ارزیابی تأثیر سیاست های تغییر آب و هوا بر کاربری اراضی روستایی، درآمد خالص مزرعه و شاخص های زیست محیطی مانند انتشار گازهای گلخانه ای (GHG) ، بارگیری مواد مغذی و فرسایش خاک توسعه یافته است. همچنین می تواند برای تجزیه و تحلیل اثرات ناشی از استفاده از زمین ناشی از تغییرات جمعیتی کشاورزی، شبکه های اجتماعی و تصمیم گیری استفاده شود. این مدل جمعیت ناهمگن از نظر مکانی و رفتاری از کشاورزان را اجرا می‌کند که مطابق با جمعیت دنیای واقعی عمل می‌کنند و اطلاعاتی را در مورد اینکه چگونه کشاورزان از نظر اقتصادی و اجتماعی با تغییرات جهانی سازگار خواهند شد، ارائه می‌کند. |
| این مدل شامل دو نوع عامل است : یک منظره (محیط) که عوامل در مورد آن تصمیم می گیرند و اطلاعات اقتصادی مرتبط با منظره و عوامل. عامل “مزرعه” به عنوان مرکز قطعه مزرعه تعریف شده توسط مرز کاداستر تعریف شده است. عوامل مزرعه هیچ گونه تصمیم گیری ندارند. عامل مزرعه عامل “کشاورز” را در همان مکان تولید می کند. عامل کشاورز با طیف وسیعی از ویژگی های اجتماعی و اقتصادی مانند سن، اندازه شبکه های اجتماعی، جانشینی، درآمدهای بالقوه و درآمد خالص از آخرین مرحله مدل تعریف می شود. این منظره با لایه کاداستر که مرزهای قطعات مزرعه ای را که دارای انواع مختلف کاربری زمین (لبنیات، گوسفند، گوشت گاو، مزارع کاج و غیره) و بهره وری هستند مشخص می کند. |
| این مدل از اطلاعات مزارع و کشاورزان برای تعیین استفاده بهینه از مزرعه بر اساس بازده ، هزینه های ورودی ، قیمت خروجی و محدودیت های محیطی استفاده می کند تا درآمد خالص مورد انتظار برای شرکت های احتمالی کاربری زمین موجود در مدل را ایجاد کند. کاربری اراضی که بیشترین درآمد خالص را برای مزرعه ایجاد می کند ، به عنوان کاربری زمینی است که عامل کشاورز برای تبدیل ارزیابی می کند. نمایندگان منظره ، مزرعه و کشاورز از طریق ایجاد وابستگی ها و حلقه های بازخورد بین آنها تعامل می کنند. این عوامل کشاورز هستند که با در نظر گرفتن و ادغام اطلاعات مزرعه ، کشاورز و اقتصادی تصمیمات مربوط به استفاده از زمین را می گیرند. |
| پس از اجرای مدل، ارزش ویژگی های عوامل کشاورز و متغیرهای بازار (قیمت کالا) به روز می شود که سپس برای محاسبه ارزش درآمد خالص مورد انتظار برای همه شرکت های بالقوه که می تواند در هر مزرعه انجام شود، مورد استفاده قرار می گیرد. کاربری زمین با بهترین ارزش خالص درآمد مورد انتظار، شرکت عامل کشاورزی است که توسط مدل ارائه شده است. برای هر مزرعه ای معین، اگر شرکت پیشنهادی با شرکت فعلی نماینده کشاورز یکسان باشد، درآمد خالص نماینده کشاورز به روز می شود. در غیر این صورت عامل کشاورز تصمیم می گیرد که آیا کاربری فعلی را بر اساس احتمال تغییر کاربری تغییر دهد یا خیر. احتمال تغییر کاربری اراضی تابعی از اطلاعات دریافتی از شبکه های اجتماعی نماینده و همچنین شرکت های فعلی و پیشنهادی آنها است. در ابتدا برای همه عوامل کشاورز ۲/۰ تنظیم شده است. برای شبیه سازی تصمیم برای انجام تبدیل کاربری اراضی، از یک مولد عدد تصادفی برای ایجاد احتمالات برای ارزیابی در برابر احتمال تبدیل کاربری اراضی توسط کشاورز استفاده می شود. اگر تعداد تصادفی بیشتر از احتمال تغییر کاربری کشاورز باشد، کاربری فعلی مزرعه به شرکت پیشنهادی تبدیل می شود. پس از اینکه همه عوامل کشاورز پتانسیل خود را برای تبدیل کاربری زمین سنجیدند، آنهایی که بدون یافتن جانشینی به پایان چرخه زندگی کشاورزی رسیده اند، مزارع را می فروشند. این مرحله زمانی از مدل را به پایان می رساند. مدل به طور مکرر اجرا می شود تا زمانی که به مرحله زمانی مشخص شده برسد. هر مرحله زمانی در مدل نشان دهنده یک دوره پنج ساله است. شکل ۹-۱۰ روند را نشان می دهد. |
شکل ۹-۱۰ فرایند مدل سازی ARLUNZ
| این مدل برای ارزیابی تأثیر یک سیاست کاهش گازهای گلخانه ای بر استفاده از زمین در سطح مزرعه در حوضه های Hurunui و Waiau در منطقه کانتربری شمالی در جزیره جنوبی نیوزلند است. مطالعه موردی بر تأثیر قیمت‌های گازهای گلخانه‌ای بر تغییر کاربری/پوشش زمین، و تأثیر تغییرات کاربری/پوشش زمین از طریق اثرات بازخورد از شبکه‌های اجتماعی کشاورزان متمرکز بود. تأثیر قیمت گازهای گلخانه ای بر تغییر کاربری و پوشش زمین با اعمال مجموعه ای از قیمت های گازهای گلخانه ای بر انتشار گازهای گلخانه ای (ترسیب) از شرکت های کشاورزی (جنگلی) ، از صفر دلار تا ۶۰ دلار نیوزیلند به ازای هر تن معادل دی اکسید کربن (tCO2e) ، شبیه سازی شد. |
| تاثیر از اثرات بازخورد شبکه های اجتماعی با مقایسه تأثیر عوامل کشاورز در استفاده و عدم استفاده از اطلاعات دریافت شده از طریق شبکه های اجتماعی آنها در تصمیمات تبدیل کاربری اراضی ، مدل سازی شد. این مدل افزایش سالانه قیمت کالاهای مزرعه (شیر ، گوشت و چوب) را ۲ درصد و میزان موفقیت جانشینی مزرعه را ۷۵ درصد فرض کرد. همچنین فرض بر این بود که آب و هوا و فناوری موجود (از این رو بهره وری مزرعه) در کل شبیه سازی مدل ثابت بوده است. این مدل ده مرحله زمانی افزایشی را طی کرد و افق زمانی پنجاه ساله را پوشش داد. |
| نتایج کلیدی مدل نشان داد که مجموع درآمد خالص مزرعه برای حوضه های آبریز بدون توجه به قیمت گازهای گلخانه ای در طول زمان افزایش می یابد، به دلیل افزایش قیمت کالاها و تغییر وضعیت کشاورزان به شرکت های سودآورتر. با این حال، اعمال سیاست قیمت گازهای گلخانه ای درآمد خالص مزرعه را در حدود پنج تا دو سال در مقایسه با خط پایه قیمت بدون گازهای گلخانه ای ، ۱ تا ۲ درصد کاهش داد. اثرات فوری بیشتر می تواند ۷ تا ۱۳ درصد در دوره های اولیه کاهش یابد، زیرا کشاورزان هنوز کاملا با تغییر سیاست سازگار نشده اند. برآورد شده است که انتشار خالص گازهای گلخانه ای به مرور زمان حتی تحت قیمت پایه گازهای گلخانه ای، به دلیل گسترش جنگلداری در زمینهای کم بهره وری کاهش می یابد. افزایش قیمت گازهای گلخانه ای باعث کاهش بیشتر خالص انتشار گازهای گلخانه ای شد. در حالی که تأثیرات شبکه های اجتماعی حداقل تأثیر را بر درآمد خالص و خروجی های زیست محیطی حوزه آبریز داشت، شکل ۹-۱۱ توزیع مکانی سه شرکت (لبنیات، گوسفند و گوساله و جنگلداری) تحت سناریوهای مختلف قیمت گازهای گلخانه ای و اثرات شبکه های اجتماعی ناشی از مدل را نشان می دهد. |
| منبع : مورگان و دینیو (۲۰۱۵). |
GIS خود قابلیت‌های مدلسازی مبتنی بر عامل را ارائه نمی‌کند، اما ابزارهای دستکاری، تجزیه و تحلیل و تجسم داده‌های مکانی را برای توسعه بازنمایی‌های فضایی عوامل و محیط و تجسم نتایج مدلسازی فراهم می‌کند. زبان های اسکریپت در یک GIS را می توان برای ساخت و پیاده سازی ABM با توابع تحلیل فضایی GIS استفاده کرد (کادر ۹-۲ یک مثال است). چندین ابزار ABM شخص ثالث نیز برای GIS توسعه داده شده است تا مدلسازی مبتنی بر عامل را تسهیل کند. در میان آنها ، Agent Analyst پسوند ABM به ArcGIS و Open Map است که به کاربران اجازه می دهد تا عوامل، محیط ها و اقدامات را تعریف کرده، قوانین را ایجاد، ویرایش و تفسیر کرده و اقدامات را توسط عوامل مطابق قوانین در محیط GIS شبیه سازی کنند.. این نرم افزار رایگان است. کادر ۹-۴ نشان می دهد که چگونه ABM با Agent Analyst با ArcGIS ایجاد و پیاده سازی می شود.
شکل ۹-۱۱ الگوهای مکانی شبیه سازی شده از لبنیات ، گوسفند و گوشت گاو ، و جنگلداری تحت سناریوهای مختلف قیمت گازهای گلخانه ای و اثرات شبکه های اجتماعی (رنگ های تیره تر نشان دهنده احتمال استفاده بیشتر از مزرعه در شرکت در انتهای اجرای مدل است) (© Morgan and Daigneault ، تحت شرایط مجوز Creative Commons Attribution ، که اجازه استفاده ، توزیع و تولید مجدد بدون محدودیت در هر رسانه ای را می دهد ، به شرط تأیید نویسنده و منبع اصلی)
بدون دیدگاه